Modelling of geometry for directed energy deposition via machine learning
Predicting the geometry of bead in multi-track and multi-layer Directed Energy Deposition (DED) presents a challenge due to variations in process parameters, resulting in changes in geometry from one layer or track to another. To address this issue, a Long Short-Term Memory (LSTM) model is applied t...
محفوظ في:
المؤلف الرئيسي: | |
---|---|
مؤلفون آخرون: | |
التنسيق: | Final Year Project |
اللغة: | English |
منشور في: |
Nanyang Technological University
2023
|
الموضوعات: | |
الوصول للمادة أونلاين: | https://hdl.handle.net/10356/167105 |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
المؤسسة: | Nanyang Technological University |
اللغة: | English |